La distribución de Poisson

Juan Carlos Espinal, MBA

Escuela de Negocios UAPA

©Todos los derechos son reservados

2012
 Tabla de contenido

Introducción
Objetivos de la presentación
Instrucciones de cómo usar la presentación
Dato histórico
Utilidad
Propiedades de un proceso de Poisson
La distribución de Poisson
La función
Ejemplos
 Tabla de contenido

La tabla de la probabilidad de Poisson

Ejemplos
Ejercicio de redacción
La media y la desviación estándar
Resumen
Ejercicios de prueba
Vídeo de repaso de conceptos
Glosario de términos
Referencias
 Introducción

En este módulo se describe el uso de la distribución de

Poisson para obtener la probabilidad de ocurrencia de
sucesos raros cuyo resultado lo representa una
variable discreta.

Se recomienda haber estudiado primero los módulos

de las Reglas de probabilidad, el de Distribución
normal y luego el de Distribución Binomial.
 Objetivo general del módulo

Este módulo va dirigido al estudiantado de

Administración de Empresas en sus distintas
concentraciones.

Esperamos que cuando termines esta presentación

puedas determinar cómo y cuándo se debe utilizar la
distribución de Poisson para obtener las
probabilidades de aquellas situaciones gerenciales
que ocurren de forma impredecible y ocasional.
 Objetivos específicos

Además, esperamos que puedas:

1. Identificar las propiedades de una distribución Poisson.

2. Determinar los valores de frecuencia p y segmento n para

establecer las bases para el cómputo de las probabilidades.

3. Determinar el promedio, la varianza y la desviación estándar

utilizando las variables de la distribución de Poisson.
 Instrucciones de cómo usar la
presentación

La presentación inicia con las características que definen un

proceso de Poisson.

Te recomiendo que tengas acceso a Internet mientras trabajas

la presentación.

Siempre que se presente la siguiente figura:

puedes presionarla para navegar adecuadamente
a través de toda la presentación.
 Instrucciones de cómo usar la
presentación

Durante la lectura del módulo tendrás la oportunidad de enlazar

el glosario de términos y regresar al lugar de origen
presionando:

También encontrarás comentarios de apoyo y

retroalimentación en recuadros como el siguiente:
Notas de apoyo y
retroalimentación

Luego de leer el material que sirve de introducción, podrás

establecer enlaces que demuestran los conceptos teóricos.
 Dato histórico

La distribución de Poisson se llama así

en honor a su creador, el francés
Simeón Dennis Poisson (1781-1840),
Esta distribución de probabilidades fue
uno de los múltiples trabajos matemáticos
que Dennis completó en su productiva trayectoria.
 Utilidad

 La distribución de Poisson se utiliza en situaciones donde los sucesos son

impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe el
total de posibles resultados.

 Permite determinar la probabilidad de ocurrencia de un suceso con

resultado discreto.

 Es muy útil cuando la muestra o segmento n es grande y la probabilidad

de éxitos p es pequeña.

 Se utiliza cuando la probabilidad del evento que nos interesa se

distribuye dentro de un segmento n dado como por ejemplo distancia,
área, volumen o tiempo definido.
 Ejemplos de la
utilidad

 La llegada de un cliente al negocio durante una hora.

 Las llamadas telefónicas que se reciben en un día.

 Los defectos en manufactura de papel por cada metro producido.

 Los envases llenados fuera de los límites por cada 100 galones de
producto terminado.

La distribución de Poisson se emplea

para describir procesos con un elemento
en común, pueden ser descritos por una
variable aleatoria discreta.
 Propiedades de un
proceso de Poisson

1. La probabilidad de observar exactamente un éxito en el

segmento o tamaño de muestra n es constante.
2. El evento debe considerarse un suceso raro.
3. El evento debe ser aleatorio e independiente de otros
eventos

Si repetimos el experimento n veces podemos

obtener resultados para la construcción de la
distribución de Poisson.
 La distribución de Poisson

La distribución de probabilidad de Poisson es un ejemplo de

distribución de probabilidad discreta.
La distribución de Poisson parte de la distribución binomial.
Cuando en una distribución binomial se realiza el experimento
muchas veces, la muestra n es grande y la probabilidad de
éxito p en cada ensayo es baja, es aquí donde aplica el
modelo de distribución de Poisson.

Se tiene que cumplir que:

p < 0.10
p * n < 10
 La función P(x=k)

A continuación veremos la función de probabilidad de la

distribución de Poisson.

Donde:

P(X=K) es la probabilidad de ocurrencia cuando la variable discreta

X toma un valor finito k.

λ = Lambda es la ocurrencia promedio por unidad (tiempo,

volumen, área, etc.). Es igual a p por el segmento dado. La
constante e tiene un valor aproximado de 2.711828

K es el número de éxitos por unidad

 Ejemplo1 de la función
F (x=k)
La probabilidad de que haya un accidente en una compañía de
manufactura es de 0.02 por cada día de trabajo. Si se trabajan 300
días al año, ¿cuál es la probabilidad de tener 3 accidentes?
Como la probabilidad p es menor que 0.1, y el producto n * p es
menor que 10 (300 * 0.02 = 6), entonces, aplicamos el modelo de
distribución de Poisson:

Al realizar el cómputo tenemos que P(x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300
días de trabajo es de 8.9%.
 Ejemplo 2 de la función
F(x=k)

La probabilidad de que un producto salga defectuoso es de

0.012. ¿Cuál es la probabilidad de que entre 800 productos ya
fabricados hayan 5 defectuosos?
En este ejemplo vemos nuevamente la probabilidad p menor
que 0.1, y el producto n * p menor que 10, por lo que
aplicamos el modelo de distribución de Poisson:

El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos
defectuosos entre 800 recién producidos es de 4.6%.
 Tablas de probabilidad de Poisson

Utilizando la tabla de probabilidad de Poisson se pueden resolver los

ejemplos anteriores.

Para esto, usted debe saber los valores X y λ.

X es el número de éxitos que buscamos. Este es el valor K.

λ es el número promedio de ocurrencias por unidad (tiempo, volumen,

área, etc.). Se consigue multiplicando a p por el segmento dado n.

Del ejemplo 1: λ = 0.02 * 300 = 6

Del ejemplo 2: λ = 0.012 * 800 = 9.6

 Tabla de probabilidad de Poisson
Obtenga más información de cómo asignar probabilidades
utilizando las tablas.

Cuando llegue al enlance lea las

páginas 4 a la 6. Estudie los
ejemplos y luego practique con
los ejercicios 2.1 y 2.2
 Ejemplo 3
uso de tablas
Busque en los tres enlaces las tablas de probabilidad de Poisson

Resuelva el ejercicio 1 y el 2 por medio de las

tablas.

Para el Ejemplo 1: λ = 6 y k = 3 accidentes

Para el Ejemplo 2: λ = 9.6 y k=5 defectos

 Ejemplo 4
uso de calculadora virtual
Compruebe el cómputo utilizando una calculadora
de probabilidad de Poisson

Cuando llegue al enlace, entre los

valores respectivos de cada ejercicio:
K en “poisson random variable”
λ en “average rate of success”

Repase los ejemplos

adicionales
 Ejercicio de redacción
con experiencia interactiva
Observe el cambio de la distribución variando el parámetro λ

Presente una descripción escrita de las

observaciones que obtiene al variar el valor de
lambda. ¿Qué características tiene una
distribución de Poisson y cuándo se aplica?

Cuando llegue al enlance

precione el “+” y el “ - ”
 La media μ y la varianza σ2

Características de la distribución
Poisson
Media
= E(X) = λ .6
P(X) k = 5 λ = 0.1
.4
.2
Varianza 0 X
0 1 2 3 4 5

λ = σ2
P(X) k=5 λ = 0.5
.6
.4
.2
0 X
0 1 2 3 4 5
17
 En resumen

En este módulo hemos determinado la probabilidad de Poisson mediante

el uso de la función de Poisson, las tablas de distribución y la calculadora
del enlace. Además, aprendimos que:

1. La distribución de Poisson se forma de una serie de experimentos de

Bernoulli.

2. La media μ o valor esperado en la distribución de Poisson es igual a

λ.

3. La varianza (σ2 ) en la distribución de Poisson también es igual a λ.

4. La desviacion estándar es la raíz de λ.

 Ejercicios de prueba

Los siguientes ejercicios de prueba fueron resueltos utilizando

la distribución binomial en el módulo con ese mismo nombre.
Refiérase a los ejercicios en ambos módulos y compare la
diferencia de cada pregunta.

¿Puede responder por qué se resuelven esta vez utilizando la

distribución de Poisson?

Demuestre su razonamiento.
 Ejercicio de prueba #1

Un comerciante de verduras tiene conocimiento de que el 3%

de la caja está descompuesta. Si un comprador elige 100
verduras al azar, encuentre la probabilidad de que,
a) las 4 estén descompuestas.
b) de 1 a 3 estén descompuestas

Para resolver la pregunta “b” repase el

módulo de las reglas de probabilidad.
En este caso se resuelve sumando las
probabilidades P(x=1) + P(x=2) + P(x=3)
= 0.1494 + 0.2240 + 0.2240
 Ejercicio de prueba #2

En pruebas realizadas a un amortiguador para automóvil se encontró que

el 0.04 presentaban fuga de aceite. Si se instalan 150 de estos
amortiguadores, hallar la probabilidad de que,
a) 4 salgan defectuosos,
b) más de 5 tengan fuga de aceite.
c) de 3 a 6 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviación estándar de
amortiguadores con defectos.

La pregunta “b” debe sumar las probabilidades desde

P(x=6) en adelante.
En la “c” debe sumar P(x=3) + P(x=4) + P(x=5) + P(x=6).
 Ejercicio de prueba #3

Un ingeniero que labora en el departamento de control de calidad de

una empresa eléctrica, inspecciona una muestra al azar de 200
alternadores de un lote. Si el 2% de los alternadores del lote están
defectuosos. Cuál es la probabilidad de que en la muestra,
a) ninguno esté defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) más de tres estén con defectos

Para la pregunta “d” puede realizar

la siguiente operación:

1 – [P(x=0) + P(x=1) + P(x=2)]

 Ejercicio de prueba #4

La probabilidad de que un CD de música dure al menos un año sin

que falle es de 0.95, calcular la probabilidad de que en una muestra
de 15,
a) 12 duren menos de un año,
b) a lo más 5 duren menos de un año,
c) al menos 2 duren menos de un año.
 Ejercicio de prueba #5

Si 8 de 100 viviendas violan el código de construcción. ¿cuál es la

probabilidad de que un inspector de viviendas, que selecciona
aleatoriamente a 50 de ellas, descubra que:
a) ninguna de las casas viola el código de
construcción
b) una viola el código de construcción
c) dos violan el código de construcción
d) al menos tres violan el código de construcción
 Repaso de conceptos

Observe un vídeo de repaso de la distribución de probabilidad de Poisson

Cuando llegue al enlace haga clic en la columna izquierda

en “Poisson”

Nota: en el video el parámetro λ lo sustituyen en la

fórmula por μ. Como mencionamos anteriormente λ=μ
 Glosario de términos

 Aleatorio – que ocurre al azar.

 Distribución de Poisson – Distribución discreta que se aplica

cuando se realizan más de una vez y de forma independiente el
experimento de Bernoulli.

 Éxitos – Es la ocurrencia del evento de interés como cantidad de

defectos, llamadas recibidas, servicios completados.

 Experimento independiente – Cuando el resultado de un

experimento no tiene influencia en el resultado de otro
experimento.
 Glosario de términos

 Resultado discreto – Son resultados con un número finito de

valores (3 defectos, menos de 8, hasta 5, etc.)

 Suceso raro – Un evento que ocurre con poca frecuencia.

 Segmento - es un intervalo, porción, fragmento o tamaño de

muestra, ya sea en unidades de distancia, área, volumen, tiempo
o cualquier otra medida.

 Variable Aleatoria Discreta - Variable que puede obtener un

número finito de valores de forma impredecible o al azar.

 Variable Discreta – Variable que puede obtener un

número finito de valores como 0, 1, 2, 3.
 Referencias

Anderson, S. (2006). Estadísticas para administración y

economía. (8tva ed.). México:Thomson.

Newbold P. (2003). Statistics for Business And Economics.

(2003). (5ta. Ed.). New Jersey: Prentice Hall.

Bluman, A. G. (2007). Statistics. (6ta ed.). New York: Mc Graw

Hill.

http://cyber.gwc.cccd.edu/faculty/jmiller/Binom_Tab.pdf

http://stattrek.com/Tables/poisson.aspx#calculator
 Referencias

 http://www.udc.es/dep/mate/estadistica2/documentos-
pdf/dmtablas.pdf

 http://karnak.upc.es/teaching/estad/MC/taules/com-usar-taules.pdf

 http://www.capdm.com/demos/software/html/capdm/qm/poissondist
/usage.html

 http://www.uv.es/zuniga/09_La_distribucion_de_Poisson.pdf

 http://www.matematicas.net/paraiso/download.php?id=formula/fr_
poisson.zip